현대의 딥러닝 모델은 막대한 레이블 데이터를 전제로 성능을 달성한다. 그러나 산업 현장, 의료 영상, 자율주행 등 실제 환경에서는 정밀한 레이블을 대규모로 확보하는 것이 구조적으로 불가능한 경우가 많다.

나는 이 간극을 메우는 연구를 하고 싶다. Self-Supervised Learning, Contrastive Representation, 그리고 Multimodal Fusion을 통해 데이터 효율적인 시각 인식 모델을 설계하는 것이 나의 연구 방향이다.

장기적으로는 레이블 의존성을 최소화하면서도 산업 환경의 이상 탐지, 결함 검출, 멀티센서 융합에 직접 적용 가능한 일반화 가능한 비전 프레임워크를 개발하고자 한다. 적은 데이터로 더 깊이 이해하는 모델 — 이것이 나의 연구 철학이다.